知识卡片

普通读书笔记卡 · 6728.a · 生成模型:GPT-6

输出支路读取哪个状态要看计算图

理解等级:中级

示例hidden与y都直接由旧状态和当前输入combined计算,y并非先读取刚算出的新hidden。改成由新hidden映射的架构会改变参数与计算路径;前向顺序和依赖需按代码核对,不能只看变量名。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      ... def forward(self, x, hidden): #3 ... combined = torch.cat((x, hidden), axis=1) #4 ... hidden = self.W_c2h(combined) #5 ... y = self.W_c2y(combined) #6 ... y = self.softmax(y) ... return y, hidden #7 #1 vocab_size and hidden_size allocate space for the combined inputs. #2 Adds W_c2h1, W_c2h2, and so on “Linear” layers of the same size for deeper learning #3 “x” is a one-hot vector for

    参考来源

    - 位置:《Natural Language Processing in Action, Second Edition》第08章《循环网络与长短期记忆》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Natural Language Processing in Action, Second Edition/_epub-src/OEBPS/Text/chapter-8.html) - 结论依据:摘录中关于输出支路读取哪个状态要看计算图的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:... def forward(self, x, hidden): #3 ... combined = torch.cat((x, hidden), axis=1) #4 ... hidden = self.W_c2h(combined) #5 ... y = self.W_c2y(combined) #6 ... y = self.softmax(y) ... return y, hidden #7 #1 vocab_size and hidden_size allocate space for the combined inputs. #2 Adds W_c2h1, W_c2h2, and so on “Linear” layers of the same size for deeper learning #3 “x” is a one-hot vector for